索引
numpy中的數組索引形式和Python是一致的。如：
np.arange(10)
print x[2] #單個元素，從前往后正向索引。注意下標是從0開始的。
print x[-2] #從后往前索引。最后一個元素的下標是-1
print x[2:5] #多個元素，左閉右開，默認步長值是1
print x[:-7] #多個元素，從后向前，制定了結束的位置，使用默認步長值
print x[1:7:2] #指定步長值
x.shape=(2,5) #x的shape屬性被重新賦值，要求就是元素個數不變。2*5=10
print x[1,3] #二維數組索引單個元素，第2行第4列的那個元素
print x[0] #第一行所有的元素
y=np.arange(35).reshape(5,7) #reshape()函數用於改變數組的維度
print y[1:5:2,::2] #選擇二維數組中的某些符合條件的元素
#python學習之數組 2018.4.17 # -*- coding: UTF-8 -*- from numpy import * import math A =arange(15).reshape(3,5)#reshape參數開頭可以再加一個數字，表示reshape后生成的個數
print(A.sum(axis=0))#A列合計
print(A.min(axis=1))#A行最小值
print(A.cumsum(axis=1))#A中每行的累計和 print(A.shape)#A的形狀 幾行幾列 print(A.ndim)#A的秩 即數組軸的個數 print(A.dtype.name)#查看array里面數據類型 print(A.itemsize)#數組中每個元素的字節大小int32/8=4 print(A.size)#數據元素個數 print(type(A))#A的類型為numpy.ndarray
# C=array([(1.5,2,3),(4,5,6)])#可以使用但是1.5，2，3等數字無法改變了C，所以不適用 # C=array([1.5,2,3],[4,5,6])#錯誤 C=array([[1.5,2,3],[4,5,6]],dtype=complex)#正確,並指定數組類型 print (C)
# print (zeros((3,4)))#一個三行四列都是0的數組 # print (ones((2,3,4),dtype=int16))#兩個三行四列都是1的數組 print (empty((3,4)))#內容隨機依賴內存狀態的數組，默認都是float64
# set_printoptions(threshold='nan')#表示強制打印整個數組，中間部分不會省略 D=array([1,2,3,4],dtype=int) print(D**2) print(D<2)
E=array([[1,1],[0,1]]) F=array([[2,0],[3,4]]) print(E*F)#矩陣對應位置相乘 print(dot(E,F))#矩陣乘法 print(linspace(0,pi,3,endpoint=False,retstep=True))#從0到pi之間均分，產生3個數,不包括末尾，返回數及間隔大小
#一維數組可以被索引、切片迭代 G=arange(10)**3 print(G[2:5])#輸出2的3次方、3的3次方、4的三次方 G[:6:2]=-5#相當於G[0:6:2],是指從第0到6個數，變為-5，步長為2，即第一個=-5，第三個等於-5 print(G[::-1])#倒序輸出
def f(x,y):
return 10*x+y
H=fromfunction(f,(5,4))#多維數組每個軸可以有索引
print(H[0:4,1])#第一行到第四行的第二列的數值輸出
print(H[:,1])#第二列全部的數值輸出
print(H[1:3,])#第二行到第三行的數值輸出
print(H[-1])#相當於H[-1,:]
#點(…)代表許多產生一個完整的索引元組必要的分號。如果x是秩為5的數組(即它有5個軸)，那么:
# x[1,2,…] 等同於 x[1,2,:,:,:],
#x[…,3] 等同於 x[:,:,:,:,3]
#x[4,…,5,:] 等同 x[4,:,:,5,:].
# for element in H.flat:#flag是數組的一個屬性，可以用來對數組中元素運算
# print (element)
#向下取整floor()
print(H.ravel())#將數組全展平
#復制與視圖 #1.完全不拷貝 簡單的賦值不拷貝數組對象或它們的數據。 a=arange(12) b=a print(b is a)
b.shape = 3,4 #2.視圖和淺復制 不同的數組對象分享同一個數據 c的形狀不會變化但數值會 c=a.view() print(c is a)
print(c.base is a)
c.shape = 2,6 print(a.shape) c[0,4]=12345 print(a)
#3.深復制 完全復制數組和它的數據 即兩個數組完全獨立開 d=a.copy() print(d is a) print(d.base is a) d[0,0]=-1 print(a)
#----------------------------------------------------------------- #numpy函數方法歸類 #1.創建數組 arange array copy empty empty_like eye fromfile fromfunction identity, linspace, logspace, mgrid, ogrid, ones, ones_like, r , zeros, zeros_like #2.轉化astype, atleast 1d, atleast 2d, atleast 3d, mat #3.操作array split, column stack, concatenate, diagonal, dsplit, dstack, hsplit, hstack, item, newaxis, ravel, repeat, reshape, resize, squeeze, swapaxes, take, transpose, vsplit, vstack #4.詢問all, any, nonzero, where #5.排序argmax, argmin, argsort, max, min, ptp, searchsorted, sort #6.運算choose, compress, cumprod, cumsum, inner, fill, imag, prod, put, putmask, real, sum #7.基本統計cov, mean, std, var #8.基本線性代數cross, dot, outer, svd, vdot #--------------------------------------------------------------- #numpyj進階 #花哨的索引NumPy比普通Python序列提供更多的索引功能。數組可以被整數數組和布爾數組索引。 k=arange(12)**2 i=array([1,1,3,8,5]) print(k[i])
#線性代數
#a=array([[2,3],[3,4]])
#inv(a)求逆 trace(a)求跡 a.transpose()轉置
# solve(A,b) 求解AX=b
# eigvals 求解特征值
# eig(C) 返回的c1是特征值 c2是特征向量
# U，sigma,V=np.linalg.svd(D,full_matric=false) svd奇異值分解
# pinv 廣義逆
# det行列式
#矩陣類
#Amatrix('1.0 2.0;3.0 4.0')
#A.T
L = arange(12)
L.shape=3,4
print(L[:,[1,3]])
print(L[:,L[0,:]>1])#保留第一行大於1的列
print(L[L[:,0]>2,L[0,:]>1])#在矩陣兩個方向有條件的切片
#技巧 L.shape=2,-1,3 #-1表示省略一個尺寸 將會自動推導 12個數 不知道要輸出幾行，但要輸出3列 同時要輸出兩個 print(L)
建立數組
tip: 可以采用的形式from numpy import *+array~
import numpy as np+np.array
#常見錯誤 錯誤要點：array應該提供一個由數值組成的列表作為參數而不是用多個數值參數調用
# B=[[6,7],[8]] #這是list，而我們需要使用array
# B=array(6,7,8) #錯 # B=array[6,7,8] # 錯 # B=array[[6,7,8]] #錯
B=array([6,7,8]) #對